将词组索引技术应用在互联网搜索引擎中的方法

1.将词组索引技术应用在互联网搜索引擎中的方法，其特征在于包括以下 几个步骤：
步骤一：自动积累网页信息：
首先，通过网页收集程序，自动地通过超链分析，取得互联网上大量的原 始网页文本；在取得这些文本的同时，通过分词程序将该网页文本分解成一个 个独立的词语，用词频统计程序统计词频，将词频超过阈值的词标注为关键 词；然后，利用词组生成程序，以每个关键词为中心，在其前和后分别附加若 干别的词，组合成包含词语数量不等、搭配不同的一系列词组，得到用于索引 的词组集，并按词组长短排序，连同这些词组来源的信息，插入或更新到倒排 表的索引文件中；
步骤二、处理用户的查询信息：
首先，由搜索引擎的用户界面接受用户的查询信息；由分词程序将用户的 查询信息分解成一个个独立的词语，并标识每个词的词性；再利用词组生成程 序，把分词得到的词语以每个实词为中心，在其前和后附加上若干别的词，组 合成包含词语数量不等、搭配不同的一系列词组，得到用于检索的词组集，并 存放到内存中。
步骤三、检索匹配并获得搜索结果：
首先，由匹配程序将用于检索的词组集中的词组依次与倒排表的索引文件 中的词组进行精确匹配，得到匹配的项，将其对应的网页id检出，依次存放到 结果网页集中；然后，对结果集中对应相同网页id的项进行合并，按照与存入 结果网页集相同的先后次序遍历结果网页集，取出对应的网页链接以及其它相 关信息，从而获得搜索结果。
2.如权利要求1所述的将词组索引技术应用在互联网搜索引擎中的方法， 其特征在于：在搜索引擎分析网页文本时，把网页文本切分为若干关键词，并 把这些词排列成为词语组合的形式，将其以“词组-＞网页id1，网页id2，…” 这样的倒排表的形式记录到磁盘或内存中的索引文件里。
3.如权利要求1所述的将词组索引技术应用在互联网搜索引擎中的方法， 其特征在于：在搜索引擎分析网页文本时，所有的词组生成工作都限于在当前 句内，不同句子中包含的关键词不能组合到一起。
4.如权利要求1所述的将词组索引技术应用在互联网搜索引擎中的方法， 其特征在于：在搜索引擎处理用户的查询信息时，利用问句模式匹配程序，将 用户的查询信息的问句转换成陈述句。
5.如权利要求1所述的将词组索引技术应用在互联网搜索引擎中的方法， 其特征在于：将用于索引和检索的词组集，按词组长短排序，长的在前短的在 后。
6.如权利要求1所述的将词组索引技术应用在互联网搜索引擎中的方法， 其特征在于：在获得索引和检索的词组集的过程中，去除一些无意义的组合。
7.如权利要求6所述的将词组索引技术应用在互联网搜索引擎中的方法， 其特征在于：所述的无意义的组合是指虚词组合。

暂无